Google Search Console es una herramienta imprescindible para cualquier profesional del SEO o del marketing digital. Aporta información detallada sobre cómo los usuarios encuentran un sitio web en Google: qué consultas activan nuestras páginas, cuántas impresiones y clics reciben, en qué posiciones aparecen en los resultados, desde qué dispositivos o países llega el tráfico…
Esta información es muy útil, pero también tiene limitaciones importantes. Frente a estas limitaciones, Google dispone de una funcionalidad potente y pensada para quienes quieren ir un paso más allá: la exportación de datos en bloque a Google BigQuery, una solución escalable para almacenar y analizar tu tráfico orgánico sin restricciones de volumen, histórico o muestreo.
Ventajas de exportar los datos de Google Search Console a BigQuery
Control total de la retención de datos
En Search Console solo puedes consultar los últimos 16 meses de datos. En BigQuery, puedes conservar los datos indefinidamente o definir tú mismo cuándo expiran, fijando una fecha de vencimiento de la partición. Esto permite construir históricos largos y realizar análisis estacionales o comparativas año tras año, imposibles con la interfaz estándar.
Escalabilidad y análisis avanzados
BigQuery está diseñado para trabajar con volúmenes masivos de datos. A través de la interfaz estándar de Search Console podemos visualizar (y exportar 1.000 filas de datos). Si utilizamos la API de Search Analytics (y el conector de Looker Studio) podemos ampliar hasta 50.000 filas por sitio y tipo de búsqueda.
Con la exportación bulk a BigQuery podemos acceder al conjunto completo de datos (excepto las consultas anónimas, que se excluyen por privacidad). Esto es fundamental para sitios que reciben miles de consultas diarias o gestionan grandes volúmenes de URLs o incluso para webs más pequeñas donde se precisa tener una visión precisa de los datos.
Sin muestreo de datos
En Search Console, muchos de los informes que ves están basados en muestras de datos, especialmente los informes relacionados con el rendimiento del sitio web en la búsqueda. Esto significa que Google te muestra una selección representativa, pero no todo el contenido disponible. Aunque esto puede ser suficiente para sitios pequeños, en proyectos con alto volumen de tráfico orgánico, esta limitación puede afectar a la precisión de los análisis. Al exportar los datos a BigQuery, dispones de datos reales y en bruto, por lo que trabajas con la versión más completa disponible de tus datos de rendimiento.
Combinación con otras fuentes (Google Ads, Analytics, CRM…)
En BigQuery es habitual combinar datos de distintas fuentes para tener una visión completa de tu ecosistema. Puedes cruzar los datos de Search Console con campañas de Google Ads, sesiones de Google Analytics, datos de comportamiento de tu CRM o información del CMS. Esto permite responder a preguntas como:
- ¿Qué keywords orgánicas generan más conversiones en mi sitio?
- ¿Qué efecto tiene mi estrategia SEO en mis campañas o acciones de comunicación?
- ¿Qué contenido tiene mayor sinergia entre SEO y Paid Media?
- ¿Qué consultas orgánicas atraen usuarios que luego compran?
Aplicación de Machine Learning con BigQuery ML
Otra de las grandes ventajas es la posibilidad de usar BigQuery ML, que permite crear modelos de machine learning, o aprendizaje automático, directamente sobre tus datos y utilizando consultas SQL, por lo que no habrá necesidad de moverlos o programar en Python. Con este enfoque puedes, por ejemplo:
- Predecir qué consultas tienen más probabilidad de generar clics.
- Agrupar términos de búsqueda en clusters temáticos.
- Detectar patrones de crecimiento o caída de visibilidad en determinadas categorías.
Requisitos previos antes de configurar la exportación
Antes de activar esta función, necesitas cumplir algunos requisitos técnicos:
- Tener una cuenta de Google Cloud con un proyecto activo.
- Habilitar la facturación del proyecto (aunque BigQuery tiene un nivel de uso gratuito bastante amplio, necesitas tener una cuenta de pago activa).
- Activar la API de BigQuery y la API de BigQuery Storage.
- Conceder permisos a la cuenta de Search Console para que pueda escribir datos en tu proyecto.
- Disponer de acceso de propietario en Google Search Console.
Por último, debes tener en cuenta que BigQuery tiene una capa gratuita mensual (hasta 10 GB almacenados y 1 TB de consultas). Pero si tu sitio es grande o haces muchas consultas, podrías superar esa cuota. En ese caso, se te facturará por volumen de almacenamiento y procesamiento. Puedes consultar los precios en la página oficial de BigQuery.
Paso a paso: cómo configurar la exportación de Google Search Console a BigQuery
- Accede a Google Cloud Console.
- Selecciona el proyecto en el que quieres exportar datos o crea uno nuevo.
- Habilita la API de BigQuery en el proyecto. Para ello, en el menú lateral, selecciona APIs y servicios > APIs y servicios habilitados:
- En la lista, que aparece revisamos si están BigQuery API y BigQuery Storage API. Si no es así, hacemos clic en +Habilitar APIs y servicios, buscamos las APIs por el nombre y las habilitamos.
- El siguiente paso es dar permiso a Search Console para exportar datos al proyecto. Para ello, en la barra lateral hacemos clic a IAM y administración y hacemos clic en Otorgar acceso.
En Principales nuevas añadimos search-console-data-export@system.gserviceaccount.com y en Rol añadimos Usuario de trabajo de BigQuery y Editor de datos de BigQuery y guardamos..
- Por último, copiamos el ID del proyecto, que necesitaremos en los siguientes pasos.
- Después, vamos a Serch Console y, en la propiedad que queremos exportar, vamos a Ajustes > Exportación de datos en bloque.
- Aquí insertamos el ID del proyecto de Cloud, escogemos un nombre para el dataset y seleccionamos la ubicación (¡ojo! una vez elegida no se puede cambiar).
Y con esto ya estaría. La primera exportación puede tardar hasta 48 horas. Si todo está bien configurado, empezarás a recibir una tabla diaria con tus datos.
Qué datos se exportan y cómo están estructurados
La exportación en bloque crea tres tablas distintas en BigQuery:
- searchdata_site_impresssion: contiene datos agregados por propiedad (útil para análisis globales).
- searchdata_url_impression: contiene datos agregados por cada URL (ideal para análisis detallados por página).
- ExportLog: es un registro de las exportaciones realizadas correctamente.
Ya tengo los datos en BigQuery. ¿Y ahora qué?
La exportación de datos en bloque es una solución pensada para quienes quieren superar las limitaciones del uso básico de Search Console. Si trabajas con grandes volúmenes de tráfico orgánico, necesitas conservar históricos amplios, cruzar fuentes de datos o automatizar tus análisis, esta funcionalidad está diseñada para ti.
Una vez configurada, además de salvar las anteriores limitaciones, puedes:
- Conectar BigQuery con Looker Studio para crear dashboards actualizados de forma automática con los últimos datos de rendimiento, listos para compartir con tu equipo o dirección.
- Automatizar reportes periódicos sin depender de exportaciones manuales ni hojas de cálculo.
- Detectar anomalías o cambios drásticos en tu tráfico orgánico mediante alertas programadas, activadas, por ejemplo, cuando una URL cae en impresiones o una consulta estratégica deja de atraer clics.
- Guardar una copia diaria e ilimitada de tus datos, para hacer análisis a largo plazo sin preocuparte por el límite de 16 meses de la plataforma original.
- Realizar cálculos para extraer métricas que no estén disponibles por defecto.
Pero las posibilidades no acaban ahí. Cuando los datos están en BigQuery, se abren las puertas al cruce con otras fuentes internas o externas: campañas de pago, comportamiento web, base de datos de clientes o incluso registros de ventas. Esto te permite responder preguntas como:
- ¿Qué consultas atraen usuarios que terminan comprando?
- ¿Qué impacto tiene una campaña de branding en la visibilidad orgánica?
- ¿Hay patrones comunes entre las búsquedas que generan más fidelización?
En definitiva, esta funcionalidad marca un antes y un después en la forma de trabajar con los datos de búsqueda. Ya no se trata solo de ver qué pasa en Google, sino de integrar el SEO dentro de tu ecosistema de datos, al nivel de cualquier otra fuente estratégica.
